FRAME 14 / 分析市场
RFM分析
RFM Segmentation
用最近购买、购买频率和购买金额对客户分群。
什么时候用
RFM 适合电商、零售、会员运营和客户管理。
需要准备
客户交易数据
你会得到
客户分层、触达优先级、营销策略建议。
01
先理解，再动手
RFM 适合电商、零售、会员运营和客户管理。它通过行为数据识别高价值客户、沉睡客户、潜力客户和流失风险客户。
使用步骤
先固定客户范围、观察截止日、交易窗口、有效订单、退款和币种口径。R为距最近购买天数（越小越近），F为窗口内有效订单数而非商品行数，M为同口径金额。填写已核算的客户汇总，阈值需来自本业务分布；不自动导入或清洗交易，不凭空计算RFM评分或断言客户流失。分组动作应有依据并通过试验验证。
- 01
准备客户交易数据
- 02
计算 Recency、Frequency、Monetary 三类指标
- 03
按评分或区间分群
- 04
为不同客群设计触达、激活、留存和增购策略
使用时，留意这一点
R/F/M 区间和权重要服务分析目的，不能固定套用。
02
把方法看清楚
从一份空白提纲开始
复制到你的文档，填入真实的业务事实与判断。
查看空白提纲
RFM分析 · 空白提纲 工作问题： 期望结果： 填写说明：客户范围、截止日期、统计窗口、订单去重、退款处理和币种。 1. 数据范围与口径： 填写说明：说明R/F/M阈值、评分方向和选择依据；未制定时明确写待确认。 2. 分组依据： 填写说明：每行：客户 | R天数 | F订单数 | M金额 | 分组与行动。填已核算的非负数，F为整数；不要粘贴原始交易明细。 3. 客户RFM汇总： 填写说明：如何验证分组动作，观察什么结果，何时复查？ 4. 验证与跟进： 检查清单 □ 数据周期和口径一致。 □ 分群结果能解释客户行为差异。 □ 每个重点群体都有对应运营策略。 BizThinkFrame · https://bizthinkframe.com/zh/frameworks/rfm-analysis
03
跟着案例走一遍
虚构教学案例WORKED EXAMPLE
给会员分组而非一律发券
组织、人物、数据和结果均为虚构，仅用于说明方法。
背景与问题
青禾有 600 名会员，希望提高触达相关性。
所有人收到同样的促销信息，优惠支出增加但复购没有明显变化。
手头有哪些材料
- 分析窗口为最近 90 天
- R 为距最近购买天数；F 为购买次数；M 为累计消费金额
如何使用这个框架
- 先固定时间窗口和退款处理方式，再计算三项指标。
- 依据本店分布划分高低区间，不直接套用别人的阈值。
- 把久未购买且历史消费较高的会员与窗口内只买过一次的会员分开；不由此断言流失或新客。
得到的结果
得到三个可行动的触达组，避免高价值客户被一律折扣对待。
04
检查你的思考
再问自己几个问题
- 最近活跃但金额低的客户有什么提升空间？
- 高金额但久未购买的客户是否存在流失风险？
- 不同客户群应该采用同一套运营动作吗？
完成前的检查清单
- 数据周期和口径一致。
- 分群结果能解释客户行为差异。
- 每个重点群体都有对应运营策略。